(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210897337.1 (22)申请日 2022.07.28 (71)申请人 北京万方软件 有限公司 地址 100089 北京市海淀区复兴 路15号1幢 2层217室 (72)发明人 彭洁　王灏　甘大广　张正锋　 王斌　王春雨　王权　宋少辉　 (74)专利代理 机构 重庆宏知亿知识产权代理事 务所(特殊普通 合伙) 50260 专利代理师 陈康 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/36(2019.01) G06N 5/02(2006.01) G06F 16/35(2019.01)G06F 40/30(2020.01) (54)发明名称 基于科技大数据知识图谱的技术诊断专家 智能匹配算法 (57)摘要 本发明涉及基于科技大数据知识图谱的技 术诊断专家智能匹配算法， 包括以下步骤； 步骤 1、 知识抽取： 对文献、 论文、 专利、 成果等科技信 息资源进行预处理， 整合为统一的结构化数据， 将科研团队、 科研人才与创新知识、 科研问题、 产 业门类和技术手段等属性进行关联， 构建特定行 业的科研资源团队画像。 该基于科技大数据知识 图谱的专家智能智 能匹配算法， 通过设置， 辅助 技术经纪人在技术需求对接工作过程中可以高 效、 快速的对技术需求进行解析， 得出技术需求 诊断报告， 同时在报告中可 以直观、 明晰地了解 到推荐的诊断专家与对接专家与技术需求的匹 配度， 各项指标权重得分情况等信息， 提高匹配 精准度并节约技术经纪人的判断时间， 提升成果 对接工作的效率。 权利要求书2页 说明书5页 附图2页 CN 115470339 A 2022.12.13 CN 115470339 A 1.基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其特征在于： 包括以下步 骤； 步骤1、 知识抽取： 对文献、 论文、 专利、 成果等科技信息资源进行预处理， 整合为统一的结构化数据， 通过 实体、 语义、 内容、 关系和属性的抽取， 生成知识三元组， 并以图结构构建知识图谱， 将科研 团队、 科研人才与创新知识、 科研 问题、 产业门类和技术手段等属 性进行关联， 构建特定行 业的专家和科研团队画像； 步骤2、 资源融合： 构建科技大数据生态池， 挖掘基于人员、 机构和技术三要素的科技信 息资源， 利用机器 学习与深度学习技术， 对科技信息资源类型进行交叉分析， 充分挖掘相同类型资源的差异 性和不同类型资源之 间的关联性， 分析挖掘科研团队、 人员的研究主题和科研标签， 利用语 义分析技 术从科技信息数据中自动识别科研要素实体并提取关键技 术； 步骤3、 需求匹配： 基于需求的技术诊断结果， 利用自然语言处理和语义提取等智能算法提取关键词， 将 需求文档向量化， 在表示文档的同时保留文档的语义信息， 并研究高维向量的高效匹配方 法， 在知识图谱中以相关度为指标进行智能搜索， 得到和需求相关的专利、 论文、 成果和科 研人员等信息， 并对返回的科研成果做进一步熟化价值分析， 挑选出高度相关且高价值的 信息， 形成精准可靠的匹配分析； 步骤4、 智能匹配： 对已发布的需求中的技术要素进行提取， 基于专家的研究成果的技术主题、 学科方向、 成果影响力等关键属性， 构建专家知识图谱画像， 通过技术要 素与专家知识图谱关联运算， 匹配推荐核心专家； 步骤5、 评价机制： 建立科研成果成熟度评估价值体系， 基于科研机构和人员属性、 成果产 出， 以及合作反 馈和隐性反馈等进行综合评价， 提供科研成果的技术价值、 市场价值、 合作价值评估， 为专 家智能匹配的成果 转化决策提供参 考； 步骤6、 服 务构建： 建立诊断专家推荐资源的数据中台， 制定数据服务接口及服务规范， 基于微服务技术 架构设计技术交易数据集成的服务总线， 开 发技术转移智能服务平台， 开展技术评估、 商业 计划、 决策咨询、 前沿分析和市场预测等增值 服务。 2.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤1中论文、 专利、 成果等科技信息资源的获取通过接入第三方可靠的数 据API接口进行集成， 预处 理的过程中对数据信息进行识别并导入数据库进行存 储。 3.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤2中用机器学习提供的统计分析、 知识发现等手段分析海量数据， 同时 利用数据存取机制实现数据的高效读写， 深度学习通过设计建立适量的神经元计算节点和 多层运算层次结构， 选择合适的输入层和输出层， 通过网络的学习和调优， 建立起从输入到 输出的函数关系。 4.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其权　利　要　求　书 1/2 页 2 CN 115470339 A 2特征在于： 所述步骤3中 自然语言处理是力图使计算机理解和运用自然语言， 从而实现用自 然语言直接进 行人机通信的技术， 计算机直接处理自然语言， 无需人去适应机器， 这将是一 个更自然且消除了异化的人机环境， 计算机将能帮助人类完成更多的工作。 5.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤4中对于技术诊断专家要素提取的时候， 通过数据库所收集的产业主 题、 核心技 术、 发展模式和路线 进行读取， 在采用提词器对其关键词进行提取。 6.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤4中推荐的参考为学术产出数量、 服务能力和产学研合作， 其中学术产 出数量参考标准为： 学术论文、 专利、 科技 成果、 科技项目， 服务能力参考标准为： 服务， 产学 研合作参 考标准为： 专家、 项目名称、 技 术点和时间点。 7.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤5中价值评估专家人员和专家企业， 专家人员包括人员属 性、 机构属性 和成果展 出， 专家企业包括隐性反馈和合作反馈， 并正对上述项目得出技术价值评 分、 合作 价值评分和市场价 值评分。 8.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤6中用户在平台中输入技术需求信息， 平台开始对技术需求信息进行关 键技术点提取， 将提取后的关键技术点进行人工剔除和增补， 同时利用人工筛选的结果对 平台技术点提取进 行优化， 形成知识积累和沉淀， 平台依据提取出的关键技术点进 行计算， 推荐出与该技术点匹配的技术 团队， 出具长名单后再 由人工进行筛选， 同时利用人工筛选 的结果对平台推荐结果 不断进行优化， 最后可导出相关 分析报告。 9.根据权利要求1所述的基于科技大数据知识图谱的技术诊断专家智能匹配算法， 其 特征在于： 所述步骤4中首先通过语义分析技术对技术需求文本进 行拆解， 识别出相关关键 词， 将技术关键词与专家属 性数据进行匹配关联， 其中将数据库中的专家属 性数据按照各 个关联指标项进行计算， 得出各个维度的权重 分值， 最后 将各个维度得分进行汇总计算， 得 出专家匹配度总分， 分值越高， 匹配程度则越高。权　利　要　求　书 2/2 页 3 CN 115470339 A 3